一家地区性贷款机构带着一个问题找到我们：
他们批准了信用评分高的借款人……但这些人不断在中等规模的个人贷款上违约。
他们的模型严重依赖评分区间和申报收入。但它没有捕捉到更深层次的信号：人们所说他们能够处理的金额与他们之前实际处理过的金额之间的不匹配。
我们做了什么
我们为他们构建了一个轻量级决策层，仅使用信用查询（TransUnion 和 Experian）中的交易线数据计算每个借款人的最大历史风险敞口。没有外部数据源。没有评分黑盒。
然后我们引入了一个简单的规则：
不要批准超过借款人历史最大风险敞口 75%的贷款—除非他们已经维持该水平至少 12 个月且没有任何逾期。
我们将其与评分和债务收入比一起纳入他们的预审批逻辑中。
有什么变化
在前 90 天内：
- 680-720 评分区间的早期逾期下降了 23%
- 平均贷款规模保持不变—因为高能力借款人仍然通过
- 人工审核时间减少，因为边缘案例被更精确地标记
最令人惊讶的是什么？
他们没有降低批准率。他们只是停止批准错误的人。
为什么它有效
最大风险敞口为财务经验创造了一个底线。它让他们能够问：
- 这个借款人以前是否处理过这么多钱？
- 他们是否在那段时间内没有出现问题？
这才是真正的测试—而不是纸面上的评分。
信用报告不仅仅是评分。如果你知道在哪里查看，你可以利用已有的数据做出更好的决策。
想要一种快速方法来发现报告中的最大风险敞口？我们有相关工具—请与我们联系。